摘要：为了高效地进行鸟类姿态分类,提出一种基于全局与随机局部特征融合的鸟类姿态识别模型.首先利用融合多分辨率的网络提取鸟类姿态全局特征;然后于网络中浅层与深层的高分辨率特征引入随机定位模块,即根据随机抽取的特征图求取最大值位置,形成包围盒裁剪原图;再将裁剪的局部图片送入子分类网络提取鸟类姿态局部特征;最后将全局和随机局部特征进行融合,并采用融合全局损失和局部损失的多损失策略进行网络调整,构建一种融合全局与随机局部特征的鸟类姿态识别模型.对CUB200-2011中存在完整单种姿态的鸟类图片进行整理汇总得到包含蹲伏、飞翔、游水和站立4种姿态的鸟类姿态数据集,基于该数据集进行实验的结果表明,所提模型的分类精度优于主流卷积神经网络框架,达到96.1%;对随机定位模块及其内部是否随机、分组情况和多损失策略等进行消融实验的结果表明,引入随机定位模块和多损失策略能够提高识别正确率,证明了随机定位模块和多损失策略的有效性.

摘要：实现区块链技术在统计工作上的创新性应用成为新时代统计工作的重要课题。针对目前统计工作中存在的报表重叠上传反复审核、数据共享有限、数据信息安全性不高等问题,文章提出“区块链+联网直报”统计数据共享联盟链模型,从组织架构、平台架构、共享流程、底层设计四个层面论述模型结构功能。实现以国家统计局为主导,省、市、县政府部门之间的报表数据共享,满足数据采集、存储需求,为完善和优化我国统计工作提供参考。

摘要：采用地统计学与GIS技术相结合方法对格氏栲天然林土壤养分和pH值空间异质性进行了研究,结果表明:pH值为弱变异,土壤养分为中等变异,变异强度为有效磷>速效钾>水解性氮>全氮>全钾>全磷>pH值。半方差最优模型拟合分析表明,pH值、全钾、有效磷符合指数模型,全氮符合高斯模型,全磷、水解性氮符合球状模型,速效钾符合线状模型;全钾、速效钾、pH、全氮、全磷、水解性氮和有效磷的有效变程依次为1806、549、267、130、120、182 m和117 m;从空间结构特征看,pH值、全氮、全磷、水解性氮、有效磷表现出强烈的空间自相关,其空间异质性主要受结构性因素影响;全钾具有中等强度的空间自相关,其空间异质性是随机性因素和结构性因素共同作用的结果;速效钾具有微弱的空间自相关,其空间异质性主要受随机性因素影响。土壤养分空间分布特征:全氮、全磷由南向北递增;全钾含量呈环状分布,向南北分别呈递增趋势;pH值由东北到西南递增,呈条带状分布;水解性氮从东北向西南递减;有效磷从东南到西北逐渐递增;速效钾分布较均匀,在西北和东南角各有一个高值区,从西南到东北表现为先增加后减少的规律。其结果为区域尺度上土壤养分的空间内插、制图和取样设计提供参考,也为土壤可持续利用、格氏栲天然林的恢复与重建提供科学依据。

摘要：【目的】保护区规划设计是自然保护区研究的重要内容,以数学模型为工具研究保护区设计成为新趋势。集合覆盖物种模型(SCSP)和最大集合物种模型(MCSP)等传统数学模型,仅考虑以最小代价进行保护区规划及设计,未考虑保护区的空间特征,导致选择的保护区区域过于分散,且仅考虑土地市场价格,不能完全体现保护区生态价值。本研究以生态值为衡量指标,结合连续性和紧实性的空间特征,构建有效合理的保护区规划模型,以期为自然保护区建立提供科学依据。【方法】以福建省戴云山国家级自然保护区为例,将戴云山区域划分为567个规则地块,每个地块面积为2 km×2 km,且任意地块都包含若干个小班。依据生态值赋分标准和重心算法,先后计算戴云山小班和其所属地块生态值。结合特殊空间特征与生态值,构建基于尾长法的空间集合覆盖模型(SSCP),并探讨不同紧实性权重和物种保护比例组合对保护区规划结果的影响。最后,以传统SCSP模型、系统保护规划工具Marxan模型和Zonation模型的规划结果为对照组,验证SSCP模型的有效性。【结果】从空间分布来看,用SCSP模型、Marxan模型和Zonation模型求解的保护区设计结果表现为地块分布离散,破碎度高,SSCP模型的设计结果表现出更好的连续性和紧实性;从选地数量来看,SSCP模型的选地数量与物种保护比例及紧实性权重正相关,即物种保护比例上升,或紧实性权重增大,选中的地块数增加。【结论】研究设计了新型保护区数学规划模型——SSCP模型,并以戴云山自然保护区为例验证了算法的合理性,提出规划建议:向其西北方向和东南方向扩展,其中西北方向纵向扩展6 km,横向扩展18 km,东南方向纵向扩展9 km,横向扩展8 km。本研究方法的提出为我国保护区规划设计理论与实践提供新思路。

摘要：科学合理的自然保护区功能分区有利物种长期生存繁衍和自然保护区的管理。现阶段的自然保护区功能分区方法中没有考虑自然保护区的空间特性和生物多样性的保护效益,尚未形成一套系统的保护区分区模型。为此,本研究基于Maxent模型模拟珍稀物种的分布,提出基于网络流的保护区功能分区模型,划分出一个连续和紧实的自然保护区功能区,同时考虑保护区保护效益最大化。为验证模型的可行性,将泉州湾河口湿地自然保护区划分为5 969个候选单元,以珍稀水生动物为保护对象,选出方格的最优组合作为自然保护区规划结果,并结合原保护区提出保护区优化方案。模型规划核心区和缓冲区具有连续性和紧实性,且核心区被缓冲区所包围,其中,核心区选中491个候选单元,其生境总适宜值远高于原保护区;结合原保护区进行优化,以原保护区为中心,向正东方向拓展,核心区候选单元数拓展至614个,缓冲区候选单元数为184个。研究设计了新的功能分区整数规划模型,结合泉州湾河口湿地自然保护区提出新的优化建议,由原保护区向正东方向拓展,覆盖珍稀水生动物的集中区域,有效保护珍稀水生动物及其生境,为我国自然保护区功能分区理论和实践提供新的思路。

摘要：根据福建省茶叶、蔬菜、食用菌及再生稻4大特色产业,以及在农业技术推广服务中所采用的"科研试验基地、区域示范基地、基层推广站点及农户"有机结合的新模式,设计并提出农业技术推广的信息化服务体系结构。针对多元化推广服务需求和相关数据多类型、多主题和多源异构等问题,采用统一信息资源分类与编码的方法,基于***框架的模型视图控制器(Model View Controller,MVC)结构,设计和实现了"GIS+"模式的推广服务信息化展示及其后端管理系统。该系统将各种数据按资源分类编码与WebGIS地图图层关联,并部署在可伸缩、可迁移的H3C CAS云平台中,支持物联网视频监控和传感器的接入,实现了对各特色产业的16个主题14064条服务数据及科研试验基地等的实时监测数据的动态管理与集成展示,已存储视频、图片和文本等多种类型数据约75 GB,可为企业、农户等提供便捷、高效的服务。

摘要：使用低空遥感图像进行图像识别为森林调查和监测提供了新的技术契机。基于无人机低空航拍光学图像,以福建省安溪县崩岗区为研究区,建立FC-DenseNet模型进行树种识别。首先,利用Dense模块提取树种图像特征并增强深层网络信息,透过下采样模块降低图像维度,凸显图像的纹理特征和光谱特征;然后,使用上采样模块还原预测图至原始图像大小,并融合浅层Dense模块信息的丰富特征;最后,采用Softmax分类器实现像素分类,完成树种识别。结果显示,基于低空航拍光学图像,FC-DenseNet模型能够准确区分植被与非植被,定位其空间分布特征,其中,FC-DenseNet-103模型的二分类识别精度为92.1%,表明FC-DenseNet模型加深网络深度后具有较好的识别效果;将植被与非植被细分为13类,FC-DenseNet-103模型的平均识别正确率达到75.67%。研究结果表明,基于低空航拍光学图像建立的FC-DenseNet模型具有较高的树种分类精度。由于低空航拍光学图像的成本较低,数据获取费用小,时间周期短,可便于森林资源调查和森林树种检测,为深度学习在树种识别领域的应用提供了新思路。

摘要：“生物统计学”是农林类院校各专业重要的基础课和必修课,为学生毕业设计、科研论文撰写以及后续学习深造奠定基础。针对目前该课程考核体系存在问题,从“一纸开卷”考试形式、开放性考试内容、全过程考核、综合成绩比例调整、阶段性学习反馈等方面探讨课程考核体系的改革措施,并应用于实际教学过程,收到良好成效,也可以为其他理论应用型学科考核体系改革提供借鉴与参考。

摘要：自然保护区规划是保护生物多样性的有效方式.传统保护区规划方法只能识别物种保护的重点区域,无法科学确定保护区的适宜面积.地块选择方法基于数学模型,从规划区域中选择部分地块组成自然保护区,保护特定物种或生态系统,是缓解生态保护与开发利用矛盾的重要手段.现有地块选择法未考虑各单元生态差异,且最优化算法存在计算效率的瓶颈.本文首先构建适用于森林生态系统的生态值赋分评价体系,据此计算戴云山生态值并绘制其分布图;然后,结合生态值建立生态集合覆盖模型(ESCP),并基于ESCP嵌入空间紧凑性提出空间生态集合覆盖模型(SSCP);最后,利用寻优性能良好的自学习禁忌搜索算法(STS)搜索各保护目标下的近似最优选址方案,给出福建省戴云山现有建成区优化方案.结果表明:戴云山生态值计算结果在空间分布上存在明显差异;ESCP比原集合覆盖模型(SCP)能产生生态值更高的选址方案;SSCP在ESCP基础上对生态值较高区域有聚集作用,且周长权重越大,聚集效果越明显;建议现保护区可向外拓展136 km^2,并将西北向分布长苞铁杉的地块纳入保护区范围.研究结果为实现戴云山保护区可持续发展及土地资源优化配置提供了优化方案,也可为我国森林生态系统类型的自然保护区设计提供新思路.

摘要：对泉州市5种不同生境类型鸟类物种多样性进行了研究。结果表明,森林、农田、居民点、果园和水域鸟类种数分别为158、155、74、76和97种。5种生境类型鸟类地理型区系分布为:东洋种>古北种>广布种。不同生境类型鸟类物种丰富度、α物种多样性、G-F多样性排列顺序为:森林>农田>水域>果园>居民点。依据β多样性测度,森林与农田相似性最大,水域与其他生境类型相似性最小。根据鸟类多样性聚类分析,可将泉州市5种生境类型鸟类分布区划分为4类,居民点和果园为一类,森林、农田、水域各为一类。